Signal processing of electroencephalograms with 256 sensors in epileptic children

Traitement des signaux d’électroencéphalogrammes à 256 capteurs chez l’enfant épileptique Dans cette thèse, nous proposons des méthodes de traitement du signal et les appliquons à des signaux d’électro-encéphalographie (EEG) enregistrés chez des patients épileptiques. L’objectif est de pouvoir quantifier l’état du patient et d’étudier l’évolution du trouble neurologique au cours du temps. Les méthodes que nous avons développées sont basées sur des mesures d’entropie. Ainsi, nous introduisons la « multivariate Improved Weighted Multi-scale Permutation Entropy» (mvIWMPE) que nous appliquons à des signaux EEG d’enfants sains et épileptiques. Elle donne des résultats prometteurs. Nous proposons également une approche multivariée pour la « Sample Entropy». Les résultats montrent qu’elle permet de traiter correctement un plus grand nombre de canaux que la méthode existante. Nous présentons aussi une mesure de complexité temps-fréquence variable dans le temps, basée sur la « Singular Value Decomposition » et la « Rényi Entropy ». Ces mesures, appliquées sur l’EEG d’enfants épileptiques avant et 4-6 semaines après un traitement, conduisent à des résultats qui sont en accord avec le diagnostic clinique quant à l’évolution de la pathologie. La dernière partie de la thèse porte sur les mesures de connectivité fonctionnelle. Nous proposons une méthode de connectivité fonctionnelle basée sur la mvIWMPE et l’information mutuelle. Elle est appliquée sur des signaux EEG d’enfants sains au repos. A l’aide de mesures de réseau, nous pouvons identifier des régions cérébrales actives dans des réseaux précédemment découverts grâce à l’imagerie par résonance magnétique fonctionnelle. La méthode est également utilisée pour étudier les réseaux chez des enfants épileptiques.